下载文档原格式
一、概念：1. 匹配滤波器。
概念：所谓匹配滤波器是指输出判决时刻信噪比最大的最佳线性滤波器。
应用：在数字信号检测和雷达信号的检测中具有特别重要的意义。
在输出信噪比最大准则下设计一个线性滤波器是具有实际意义的。
2. 卡尔曼滤波工作原理及其基本公式(百度百科)首先，我们先要引入一个离散控制过程的系统。
该系统可用一个线性随机微分方程（Linear Stochastic Difference equation）来描述：X(k)=A X(k-1)+B U(k)+W(k)再加上系统的测量值：Z(k)=H X(k)+V(k)上两式子中，X(k)是k时刻的系统状态，U(k)是k时刻对系统的控制量。
A和B是系统参数，对于多模型系统，他们为矩阵。
Z(k)是k时刻的测量值，H是测量系统的参数，对于多测量系统，H为矩阵。
W(k)和V(k)分别表示过程和测量的噪声。
他们被假设成高斯白噪声(White Gaussian Noise)，他们的covariance 分别是Q，R（这里我们假设他们不随系统状态变化而变化）。
对于满足上面的条件(线性随机微分系统，过程和测量都是高斯白噪声)，卡尔曼滤波器是最优的信息处理器。
下面我们来用他们结合他们的covariances 来估算系统的最优化输出（类似上一节那个温度的例子）。
首先我们要利用系统的过程模型，来预测下一状态的系统。
假设现在的系统状态是k，根据系统的模型，可以基于系统的上一状态而预测出现在状态：X(k|k-1)=A X(k-1|k-1)+B U(k) (1)式(1)中，X(k|k-1)是利用上一状态预测的结果，X(k-1|k-1)是上一状态最优的结果，U(k)为现在状态的控制量，如果没有控制量，它可以为0。
到现在为止，我们的系统结果已经更新了，可是，对应于X(k|k-1)的covariance还没更新。
我们用P表示covariance：P(k|k-1)=A P(k-1|k-1) A’+Q (2)式(2)中，P(k|k-1)是X(k|k-1)对应的covariance，P(k-1|k-1)是X(k-1|k-1)对应的covariance，A’表示A的转置矩阵，Q是系统过程的covariance。
信号检测与估计 第二章作业姓名： 学号：1. 设输入信号为三角波，即1001()201012t t s t tt ≤≤⎧=⎨-<≤⎩试确定相应的白噪声背景下的匹配滤波器(因果系统)的冲激响应、频域传递函数、输出最大信噪比，以及输出信号，并分别画出各自相应的波形图。
解：假设白噪声均值为0，平均功率为N 0/2，根据已知条件匹配滤波器为因果系统，取t 0为2，则0h(t)s*(t t)s*(2t)s(t)=-=-=波形图如下2-j t-j t2-10(1-e)H()s(t)edt ωωωω∞∞-==⎰在t 0时刻取得最大信噪比2220200E |s(t)|dt |s(t)|dt 3∞-∞===⎰⎰最大信噪比为00=2E /N 400/3N η=输出信号及波形图如下33232350t 0t 13200-50t 200t 200t 1t 23y s(t)*h(t)200-50(4t)+200(4t)-200(4t)+2t 3350(4t)3t 43⎧≤<⎪⎪⎪+-+≤<⎪==⎨⎪---≤<⎪⎪⎪-≤≤⎩2. 针对下列四种信号： (1) 1()()T s t AR t = (2) 20()()sin T s t AR t t ω= (3) 230()()sin(/2)T s t AR t t kt ω=+(4) 1400()()sin(),0N k k s t Ac R t k t t T ττω-==-≤≤∑其中{1,1}k c ∈-为伪随机序列（比如M 序列）；τ=T/N ，A 为常数，1,0()0,T t TR t ≤≤⎧=⎨⎩其它 要求：分别给出上述四种信号相应的物理可实现的匹配滤波器的 (1) 冲激响应(),k h t k=1,2,3,4 (2) 输出信号分量()ko s t 的波形， k=1,2,3,4(3) 改变信号的参数（0,,,,T k N ωτ）值，观察()ko s t ，k=1,2,3,4 的变化，并说明你的发现或有何启示。
2-1 1[()]2E x t =，1212(,)3X t t R t t = 2-2 略。
2-3111[()]sin cos 333E x t t t=++12112212121111111(,)sin cos sin cos sin()cos()9999999X R t t t t t t t t t t =+++++++-2-4 [()]0E X t =，20(,)cos R t t w τστ+=2-5 [()]0E X t =，20(,)cos 2a R t t w ττ+= 2-6 略。
2-7 [()]0E X t =，10(,)200R t t τττ⎧=⎪+=⎨⎪≠⎩2-8 1210()()()2cos(10)(21)X X X R R R eτττττ-=+=++，2[()](0)5X E X t R ==，2(0)2X X R σ==2-9 11()()cos 22jw jw X X o G w R e d w e d τττττ∞∞---∞-∞==⎰⎰00()()()22X P w w w w w ππδδ=-++2-10 00()(()())2Y X X aG w G w w G w w =-++2-11 ())()X R u ττ=+-3-1 二元信号统计检测的贝叶斯平均代价C 为110000000100100110111111()()=()()()() ()()()()ij i i j j i C c P H P H H c P H P H H c P H P H H c P H P H H c P H P H H ===+++∑∑ 利用01()1()P H P H =-1101()1()P H H P H H =- 0010()1()P H H P H H =-得平均代价C 为[][]0011010110011011110100101110111000111011000101()1()1()() ()()()1() ()() ()()()()()()C c P H P H H c P H P H H c P H P H H c P H P H H c c c P H H P H c c c c P H H c c P H H =-⎡-⎤+-+⎣⎦+⎡-⎤⎣⎦=+-+⎡-+---⎤⎣⎦3-2 1）由于各假设j H 的先验概率()(0,1,2)j P H j =相等，所以采用最大似然准则。
第二章 检测理论1．二元检测：① 感兴趣的信号在观测样本中受噪声干扰，根据接收到的测量值样本判决信号的有无。
② 感兴趣的信号只有两种可能的取值，根据观测样本判决是哪一个。
2．二元检测的数学模型：感兴趣的信号s ，有两种可能状态：s0、s1。
在接收信号的观测样本y 中受到噪声n 的污染，根据测量值y 作出判决：是否存在信号s ，或者处于哪个状态。
即：y(t)=si(t)+n(t) i=0,1假设：H 0：对应s 0状态或无信号，H 1：对应s 1状态或有信号。
检测：根据y 及某些先验知识，判断哪个假设成立。
3. 基本概念与术语✧ 先验概率：不依赖于测量值或观测样本的条件下，某事件（假设）发生或 成立的概率。
p(H 0),p(H 1)。
✧ 后验概率：在已掌握观测样本或测量值y 的前提下，某事件（假设）发生或成立的概率。
p(H 0/y),p(H 1/y) 。
✧ 似然函数：在某假设H 0或H 1成立的条件下，观测样本y 出现的概率。
✧ 似然比：✧ 虚警概率 ：无判定为有；✧ 漏报概率 ：有判定为无；✧ （正确）检测概率 ：有判定为有。
✧ 平均风险： 4.1 最大后验概率准则（MAP ）在二元检测的情况下，有两种可能状态：s0、s1，根据测量值y 作出判决：是否存在信号s ，或者处于哪个状态。
即： y(t)=si(t)+n(t) i=0,1假设：H 0：对应s 0状态或无信号，H 1：对应s 1状态或有信号。
)|()|()(01H y p H y p y L =f P m P d P )(][)(][111110101010100000H P C P C P H P C P C P r ∙++∙+=如果 成立，判定为H 0成立；否则 成立，判定为H 1成立。
利用贝叶斯定理： 可以得到： 如果 成立，判定为H 0成立； 如果 成立，判定为H 1成立；定义似然比为： 得到判决准则： 如果 成立，判定为H 0成立； 如果 成立，判定为H 1成立；这就是最大后验准则。
3一、简答题注释简答题（每题5分，共20分）或（每题4分，共20分）二、第1章简答题1．从系统和信号的角度看，简述信号检测与估计的研究对象。
答：从系统的角度看，信号检测与估计的研究对象是加性噪声情况信息传输系统中的接收设备。
从信号的角度看，信号检测与估计的研究对象是随机信号或随机过程。
2．简述信号检测与估计的基本任务和所依赖的数学基础。
答：解决信息传输系统接收端信号与数据处理中信息恢复与获取问题，或从被噪声及其他干扰污染的信号中提取、恢复所需的信息。
信号检测与估计所依赖的数学基础是数理统计中贝叶斯统计的贝叶斯统计决策理论和方法。
3．概述信号在传输过程中与噪声混叠在一起的类型。
答：信号在传输过程中，噪声与信号混杂在一起的类型有3种：噪声与信号相加，噪声与信号相乘（衰落效应），噪声与信号卷积（多径效应）。
与信号相加的噪声称为加性噪声，与信号相乘的噪声称为乘性噪声，与信号卷积的噪声称为卷积噪声。
加性噪声是最常见的干扰类型，也是最基本的，因为乘性噪声和卷积噪声的情况均可转换为加性噪声的情况。
三、第2章简答题1．简述匹配滤波器概念及其作用。
答：匹配滤波器是在输入为确定信号加平稳噪声的情况下，使输出信噪比达到最大的线性系统。
匹配滤波器的作用：一是使滤波器输出有用信号成分尽可能强；二是抑制噪声，使滤波器输出噪声成分尽可能小，减小噪声对信号处理的影响。
2．根据匹配滤波器传输函数与输入确定信号及噪声的关系，简述匹配滤波器的原理。
答：匹配滤波器传输函数等于输入确定信号频谱的复共轭除以输入平稳噪声的功率谱密度，再附加相位项T ω-，其中T 为输入确定信号的持续时间或观测时间。
由于匹配滤波器传输函数的幅频特性与输入确定信号的幅频特性成正比，与输入噪声的功率谱密度成反比；对于某个频率点，信号越强，该频率点的加权系数越大，噪声越强，加权越小。
从而起到加强信号，抑制噪声的作用。
对于信号，匹配滤波器的相频特性与输入信号的相位谱互补，使输入信号经过匹配滤波器以后，相位谱将全部被补偿掉。
一、简答题注释简答题（每题5分，共20分）或（每题4分，共20分）二、第1章简答题1．从系统和信号的角度看，简述信号检测与估计的研究对象。
答：从系统的角度看，信号检测与估计的研究对象是加性噪声情况信息传输系统中的接收设备。
从信号的角度看，信号检测与估计的研究对象是随机信号或随机过程。
2．简述信号检测与估计的基本任务和所依赖的数学基础。
答：解决信息传输系统接收端信号与数据处理中信息恢复与获取问题，或从被噪声及其他干扰污染的信号中提取、恢复所需的信息。
信号检测与估计所依赖的数学基础是数理统计中贝叶斯统计的贝叶斯统计决策理论和方法。
3．概述信号在传输过程中与噪声混叠在一起的类型。
答：信号在传输过程中，噪声与信号混杂在一起的类型有3种：噪声与信号相加，噪声与信号相乘（衰落效应），噪声与信号卷积（多径效应）。
与信号相加的噪声称为加性噪声，与信号相乘的噪声称为乘性噪声，与信号卷积的噪声称为卷积噪声。
加性噪声是最常见的干扰类型，也是最基本的，因为乘性噪声和卷积噪声的情况均可转换为加性噪声的情况。
三、第2章简答题1．简述匹配滤波器概念及其作用。
答：匹配滤波器是在输入为确定信号加平稳噪声的情况下，使输出信噪比达到最大的线性系统。
匹配滤波器的作用：一是使滤波器输出有用信号成分尽可能强；二是抑制噪声，使滤波器输出噪声成分尽可能小，减小噪声对信号处理的影响。
2．根据匹配滤波器传输函数与输入确定信号及噪声的关系，简述匹配滤波器的原理。
答：匹配滤波器传输函数等于输入确定信号频谱的复共轭除以输入平稳噪声的功率谱密度，再附加相位项T ω-，其中T 为输入确定信号的持续时间或观测时间。
由于匹配滤波器传输函数的幅频特性与输入确定信号的幅频特性成正比，与输入噪声的功率谱密度成反比；对于某个频率点，信号越强，该频率点的加权系数越大，噪声越强，加权越小。
从而起到加强信号，抑制噪声的作用。
对于信号，匹配滤波器的相频特性与输入信号的相位谱互补，使输入信号经过匹配滤波器以后，相位谱将全部被补偿掉。
第二章 随机信号及其统计描述1．求在实数区间[]b a ,内均匀分布的随机变量X 均值和方差。
解： 变量X 的概率密度 ⎪⎪⎩⎪⎪⎨⎧≤≤-=其他，,01)(b x a a b x p均值 []⎰∞∞-+===2)(ba dx x xp X E m X方差 ⎰∞∞--=-=12)()()(222a b dx x p m x X Xσ2．设X 是具有概率密度函数)(x p 的随机变量，令x 的函数为0),exp(>-=a ax y试求随机变量y 的概率密度函数)(y p 。
解： 反函数0,ln 1>-=a y ax 雅可比式为 aydy dx J 1-==所以 0),ln 1(1)ln 1()(>-=-⋅=a y ap ay y a p J y p 4. 随机过程)(t X 为)sin()cos()(00t B t A t X ωω+=式中，0ω是常数，A 和B 是两个互相独立的高斯随机变量，而且0][][==B E A E ，222][][σ==B E A E 。
求)(t X 的均值和自相关函数。
7. 设有状态连续、时间离散的随机过程)2sin()(t t X Ω=π，式中t 只能取正整数，即 ,3,2,1=t ，而Ω为在区间)1,0(上均匀分布的随机变量，试讨论)(t X 的平稳性。
8.平稳随机过程)(t X 的自相关函数为1)10cos(22)(10++=-τττe R X ，求)(t X 均值、二阶原点矩和方差。
解： 可按公式求解[])()0(,)0()(,)(222∞-==∞=X X X X X X R R R t X E R m σ。
但在求解周期性分量时，不能得出)(∞R ，为此把自相关函数分成两部分： ()12)10cos(2)()()(1021++=+=-τττττeR R R X X X由于)10cos(2)(1ττ=X R 的对应的随机过程为 是随机变量为常数，ϕϕA t A t X ),10cos()(1+=所以[]0)(1=t X E而对于12)(102+=-ττeR X ，有1)(2=∞X R ，即[]1)(2±=t X E所以[][][]1)()()(21±=+=t X E t X E t X E 可理解为1)(=∞X R从而有 []5)0()(2==X R t X E ，)()0(2∞-=X X X R R σ=4因此)(t X 的均值、二阶原点矩和方差分别为[]1)(±=t X E []5)(2=t X E 42=X σ9. 若随机过程)(t X 的自相关函数为)cos(21)(0τωτ=X R ，求)(t X 的功率谱密度。
时间：6月16日（星期一）晚上6：30－8：30 地点：六教104室（上课教室）试卷共8题，其中4题属于教材第一章内容，其余4题分别的其他章节。
请同学们对匹配滤波器，离散卡尔曼滤波，离散维纳滤波，高斯白噪声下确知信号的检测，K －L 展开，高斯白噪声信道中的单参量信号估计等内容重点关注。
1.1 （付柏成 20060150）在例1.2中，设噪声均方差电压值为σ＝2v ，代价为f c ＝2，m c ＝1。
信号存在的先验概率P ＝0.2。
试确定贝叶斯意义下最佳门限β，并计算出相应的平均风险。
解：根据式（1-15），可以算出00.8280.21f mQc Pc ⨯Λ===⨯ 而判决门限2201ln 0.52ln88.822βσ=+Λ=+= 根据式（1-21）可知平均风险1010Pr 0.2r 0.8R Qr r =+=+01100.2(|)0.8(|)m f c P D H c P D H =+ 而011(|)(|)D P D H p x H dx =⎰1100(|)(|)D P D H p x Hdx =⎰而212(1)(|)]2x p x H σ-=-202(|)]2x p x H σ=-所以20112(1)(|)(|)]2D D x P D H p x H dx dx σ-==-⎰⎰22(1)]2x dx βσ-=-⎰＝17.82()()(3.91)22β-Φ=Φ=Φ 同理1121002(|)(|)]2D D x P D H p x H dx dx σ==-⎰⎰22)2x dx βσ∞=- 8.821()1()1(4.41)22β=-Φ=-Φ=-Φ 所以0.21(3.91)0.82[1(4.41)]R =⨯⨯Φ+⨯⨯-Φ 1．2 (关瑞东 20060155)假定加性噪声()n t 服从均值为零，方差为的正态分布。
此时，两个假设为01:()():()1()H x t n t H x t n t ==+我们根据()x t 的两次独立测量值12,x x 作判断，则12,x x 是统计独立的，在假设1H 下其均值为1a =1，在假设0H 下均值为0a =0，因而在两种假设下它们的联合概率密度函数可写为22/221()(|)(2)exp()2nn i k k i x a p x H πσσ-=-=-∑ (0,1;2)k n == 于是，似然比等于22011012210()(|)()exp[](|)2n ii a a n a a p x H x x p x H σσ=--Λ==-∑如果0()x Λ≥Λ，则选择假设1H ，否则选择假设0H 。
第二章随机信号及其统计描述1.两个随机过程不相关一定独立。
（）2.严格的平稳随机过程不一定是宽平稳随机过程。
（）3.平稳随机过程的功率谱密度与自相关函数是一对傅里叶变换。
（）4.白噪声是一种理想化模型，在实际中是不存在的。
（）5.功率谱密度是样本函数x在单位频带内在1欧姆电阻上的平均功率值。
（）6.加性噪声按功率谱密度分为（）噪声和（）噪声。
7.有色噪声的功率谱密度在频率范围内是均匀分布的。
（）8.对于白噪声下面哪个量是均匀分布的（）。
A.噪声电压B.噪声电流C.噪声功率D.噪声功率谱密度9.在信号检测与估计理论中，通信接收机中的噪声可以近似为平稳随机过程。
（）第三章经典检测理论1.什么是二元检测，其本质是什么？画出其理论模型。
2.二元检测中有两类错误的判决概率，两类正确判决概率。
( )3.下面哪种概率是虚警概率（）。
A．P（D0|H0）B．P（D1|H0）C.P（D1|H1）D. P（D0|H1）4.二元检测中有先验概率和后验概率，P（H0）是（）概率，P（H0|x）是（）概率。
5.下面哪个为后验概率密度函数（）。
A.f(x|H0)B.f(x|H1,a)C.f(a|x)D.f(a)6.经典检测理论中常用的4个检测准则分别为（）、（）、（）和（）。
7.最大后验概率准则和最小错误概率准则判决公式是不同的。
（）8.最大后验概率准则为何称为理想观测者准则？9.极大极小风险准则是在先验概率未知的情况下，使可能出现的最大风险达到极小的判别准则。
（）10.Neyman-Pearson准则规定，在给定( )概率情况下，使得（）概率尽可能大。
11.最大后验估计和最大似然估计的使用条件。
12.下面哪种判决准则是时平均风险最小的准则（）。
A.最大后验概率准则B.最小错误概率准则C.Bayes准则D.Neyman-Pearson准则13.当先验概率未知和代价函数均未知时，使用的判决准则是Neyman-Pearson准则。
